我国核心通货膨胀的SVAR模型测算与效果实证

2014-07-05吕光明徐曼

财经问题研究 2014年3期

吕光明++徐曼

摘要：本文首先改进Quah和Vahey[1]方法，构建包含产出、货币供应量、CPI与食品CPI的四元SVAR模型，然后施加六个长期约束测算我国1998—2013年的月度核心通货膨胀，并与剔除法核心通货膨胀做了效果比较。结果发现，剔除法核心CPI的消减波动性能力稍好，而SVAR方法核心CPI的趋势追踪能力和预测能力较强。

关键词：核心通货膨胀； SVAR模型；核心CPI

中图分类号： F812. 2 文献标识码： A

文章编号： 1000176X（2014）03005705

一、引言

随着经济全球化进程的加快和我国经济体制改革的不断深化，各种矛盾及不确定性因素对我国经济运行的影响愈显突出。如何在错综复杂的环境中准确研判通货膨胀走势，为制定货币政策提供参考依据，就成为一大议题。理论上，货币政策目标应设定为常用于衡量通货膨胀的居民消费价格指数（CPI），但CPI中作为综合指数，不可避免地包含个别商品的短期供给冲击。如果不能将这部分暂时波动识别出来，货币政策对总体CPI的暂时波动做出反应，很可能加剧产出的波动。鉴于CPI中食品和能源价格受到供给端的临时性冲击比一般商品波动较大，各国央行实践中的常见做法是剔除食品与能源，然后对余下的消费类品种进行重新加权，得到核心CPI。

虽然剔除法核心CPI在各国的货币政策实践中得到广泛应用，但学术界对于核心通货膨胀至今没有统一的定义。沿着核心CPI的不同定义，分为两种测算思路：（1）核心通货膨胀应衡量的是通货膨胀的普遍性成分，这类测算方法有最早的剔除法、Bryan和Cecchetti[2]提出的加权中位数法和修剪均值法与Dow[3]的波动性加权法等。（2）核心通货膨胀应捕捉通货膨胀的长期趋势，相应方法有Cogley[4]的指数移动平均法、Culter[5]的持久性加权法、Quah和Vahey[1]的SVAR方法、Bagliano和Morana[6]的共同趋势法、Bryan和Cecchetti[7]的动态因子模型等。也有的研究将剔除法、加权中位数法、修剪均值法、波动性或持久性加权法和移动平均法等统称为统计方法，而将SVAR方法和动态因子模型等统称为基于模型的方法。统计方法易于操作，且容易被公众理解，但存在缺乏经济理论支持、方法选择主观性强及前瞻性弱等缺点。而SVAR方法具有良好的经济理论基础且预测能力较强。

我国不少学者借鉴上述测算方法对核心通货膨胀进行实证测算及相应的效果评价。范跃进和冯维江[8]用剔除法、截尾均值法和加权中位数法测算了我国1995—2004年核心CPI的年度和月度数值，发现加权中位数法和20%截尾均值法较好地拟合了我国通货膨胀的区间内实际运行情况。龙革生等[9]比较了我国核心CPI的五种方法测算结果，认为受到食品权重过大的影响，不对称修剪法和加权中位数法的效果较差。张延群[10]基于实际总产出、M2和CPI建立VAR模型，测算了1994—2009年我国季度核心CPI数据。赵昕东和汤丹[11]基于CPI八大类数据构建动态因子模型，提取其中的不能直接观测因子作为我国核心通货膨胀的估计结果。苏梽芳等[12]利用持久性和支出比重双加权法测算了我国的核心CPI，发现持久性加权法CPI波动性与CPI相差无几，而双重加权法核心CPI波动性甚至大于CPI。

Quah和Vahey的SVAR方法以货币的长期中性作为基础，赋予冲击以明确的经济意义，受到国内研究者的重视。赵昕东[13]利用SVAR模型估计了我国1986—2007年的年度核心CPI，发现该方法估计的核心CPI具有良好的趋势追踪能力。简泽[14]建立实际GDP增长率和通货膨胀的二元SVAR模型，测算了1954—2002年的年度核心通货膨胀序列，并指出有必要在模型中引入新的变量，以便细化冲击影响，得到更具体丰富的结果。因此，本文拟通过细化冲击改进Quah和Vahey方法，构建包括产出、货币供应量、CPI与食品CPI的四元SVAR模型，实证测算我国1998年1月至2013年9月的核心CPI，并进行相应的效果评价。

二、改进的SVAR模型设计

VAR模型由于具有较好的预测效果而广泛运用于多变量时间序列分析中，但它的新息之间存在较强的相关性，不能区分开来对应实际的经济含义。Blanchard和Quah[15]提出对n元VAR模型施加n（n-1）/2个长期约束以识别结构冲击，得到SVAR模型。Quah和Vahey建立产出和CPI的SVAR模型，施加需求冲击长期产出效应为零的约束，识别出SVAR模型的结构化供给冲击和需求冲击，将CPI受到供给冲击的部分视为核心CPI。

测算我国核心通货膨胀需要考虑的因素错综复杂，但也不乏其鲜明的特征。首先，食品在我国CPI权重较大，食品CPI对CPI走势的直接影响较大。但目前食品在我国城乡居民各项支出中占比也较大，如果直接剔除食品CPI测算核心CPI很可能导致信息缺失。因此，有必要在模型中加入食品价格因素单独衡量其影响。其次，我国的通货膨胀比较符合货币数量论的观点，很大程度上是一种货币现象，需求增长过快的原因是短期内货币供应量的显著增长。因此，本文在Quah和Vahey的SVAR模型基础上，将总需求冲击细分为（实际）需求冲击和货币冲击，并引入食品价格冲击因素，建立模型如下：

假设我国经济中存在如下四种结构化冲击：实际需求冲击

三、核心CPI估计

1. 变量的选取和处理

本文选用GDP、货币供应量、CPI和食品CPI四个变量的月度数据构建SVAR模型。其中，由于GDP没有月度数据，所以产出选择工业增加值变量，同时为消除季节因素影响，产出采用工业增加值的同比增长率数据；货币供应量用M2同比增长率衡量；相应地，消费者价格指数和食品价格指数也选用同比数据。本文设定的样本区间为1998年1月至2013年9月。经济意义上的长期一般为15年或更长，数据序列长度符合建模要求。

2. 平稳性检验

一般地，如果变量不平稳且存在协整关系，那么VAR模型将不平稳，其脉冲响应函数和方差分解结果的准确性大为降低。因此有必要进行单位根检验和协整关系检验，结果如表1和表2所示。

式（7）计算出来的结果只是差分形式，核心通货膨胀的水平值还需要设定一个适宜的初始值。由于在长期内通货膨胀和核心通货膨胀的均值应该相同，这里将初始值设为通货膨胀的平均值101. 9300，然后逐项累加得到核心通货膨胀序列。从图1可以看出，核心CPI序列与CPI序列在整个时段内具有相同的波峰、波谷和波动频率。

图1 两种方法估计的我国核心通货膨胀结果

四、效果评价

为进行测算效果的评价比较，这里选用剔除法测算的核心CPI作为对照基准。考虑到居民消费价格八大类在2000年及以前不含服务项目，2000年及以前服务项目为单列大类，且烟酒及用品类居民消费价格指数从2001年开始有数据，之前为杂项商品与服务，因此，剔除法测算的核心CPI从2001年1月开始。具体测算过程是：（1）按照何新华[16]的方法估计了2000—2011年居民细分现金消费支出权重，将上一年的数据作为下一年的CPI计算权重。（2）剔除食品和交通与通讯两项，将剩余的六大类按照权重重新加权得到2001年1月至2013年9月的剔除法核心CPI数据（如图1所示）。剔除法和SVAR方法的核心CPI测算效果可以从如下三个方面评价：

1. 波动性

核心CPI的测算过程中要尽量剔除CPI中的短期冲击，因此，核心通货膨胀应具有一定的削减波动性能力。从图1中不难看出，剔除法核心CPI起到了较好的“削峰平谷”作用，而SVAR方法核心CPI的消减波动性能力较差。进一步计算发现，CPI的标准差为2. 3700，SVAR方法核心CPI标准差稍小些，为2. 1700，而剔除法核心CPI标准差仅为1. 2600。

2. 趋势追踪能力

SVAR方法核心CPI与CPI的相关系数达到0. 9400，而剔除法核心CPI与CPI的相关系数为0. 7600，说明SVAR方法测算结果与原序列的相关性明显强于剔除法。

理论上来讲，核心CPI应该和CPI序列一样，同为I（1）序列，且存在长期均衡的协整关系。这里首先采用ADF检验对两种核心CPI的平稳性进行检验，由表1可知，两种核心CPI均为I（1）序列。然后用E-G两步法进一步作协整关系检验，从表4中ADF检验结果可知，SVAR方法核心CPI、剔除法核心CPI与CPI之间均存在协整关系，但SVAR方法核心CPI统计量明显小于剔除法核心CPI。进一步做Johansen协整关系检验，发现SVAR方法核心CPI与总体CPI存在协整关系，而剔除法核心CPI与总体CPI不存在协整关系。所以，综合两种方法来看，我们认为SVAR方法的趋势追踪能力胜于剔除法。

五、结论

本文改进Quah和Vahey方法，构建包含产出、货币供应量、CPI与食品CPI的四元SVAR模型，通过施加长期约束测算了我国1998—2013年的月度核心通货膨胀，并与剔除法核心通货膨胀进行波动性、趋势追踪能力和预测能力方面的效果比较。结果表明，在消减波动性能力方面，SVAR方法核心CPI的效果稍逊于剔除法核心CPI；但在追踪CPI趋势和预测能力方面，SVAR方法核心CPI的效果要胜于剔除法核心CPI。因此，SVAR方法是一种可应用于测算我国核心通货膨胀的优良方法。

参考文献：

[1] Quah， D. ， Vahey， S. P. Measure Core Inflation[J]. The Economic Journal， 1995，105（432）：1130-1144.

[2] Bryan，M. F. ， Cecchetti， S. G. Measuring Core Inflation[M]. Chicago： University of Chicago Press， 1994. 195-215.

[3] Dow， J. P. Measuring Inflation Using Multiple Price Indexes[M]. California： University of California Riverside， 1994. 1-20.

[4] Cogley， T. A Simple Adaptive Measure of Core Inflation[J]. Journal of Money， Credit and Banking， 2002，34（1）：94-113.

[5] Culter， J. Core Inflation in the UK [R]. Dissussion Paper， Bank of England， 2001. 1-29.

[6] Bagliano， F. C. ， Morana，C. Measuring US Core Inflation： A Common Trends Approach[J]. Journal of Macroeconomics， 2003，25（2）：197-212.

[7] Bryan， M. F. ， Cecchetti， S. G. The Consumer Price Index as a Measure of Inflation[J]. Federal Reserve Bank of Cleveland Economic Review， 1993，（4）：15-24.

[8] 范跃进，冯维江. 核心通货膨胀测量及宏观调控的有效性：对中国1995—2004的实证分析[J]. 管理世界， 2005，（5）：6-13.

[9] 龙革生，曾令华，黄山. 我国核心通货膨胀的实证比较研究[J]. 统计研究， 2008，（3）：20-26.

[10] 张延群. 中国核心通货膨胀率的度量及其货币政策涵义[J]. 金融研究， 2011，（1）：64-72.

[11] 赵昕东，汤丹. 基于CPI 分项目价格指数的中国核心通货膨胀估计及政策选择研究[J]. 统计研究， 2012，（7）：31-36.

[12] 苏梽芳，胡日东，臧楠. 持久性加权核心通货膨胀估计及其预测能力评价[J]. 数理统计与管理， 2013，（1）：123-132.

[13] 赵昕东. 基于SVAR模型的中国核心通货膨胀的估计与应用[J]. 统计研究， 2008，（7）：45-51.

[14] 简泽. 中国核心通货膨胀的估计[J]. 数量经济技术经济研究， 2005，（11）：4-14.

[15] Blanchard， O. J. ，Quah， D. The Dynamic Effects of Aggregate Demand and Supply Disturbances[J]. The American Economic Review， 1989，79（4）：655-673.

[16] 何新华. 准确理解CPI之争中的几个关键概念[J]. 宏观经济研究， 2011，（3）：3-7.

[17] 齐红倩，李民强.我国流动性过剩、CPI变化机制与通货膨胀度量[J]. 财经问题研究，2013，（2）.

[18] 孙宗扬，王庆石.通货膨胀对经济增长的影响及途径研究[J]. 东北财经大学学报，2013，（3）.

[19] 田新民，武晓婷.中国核心通货膨胀的SVAR模型估计与政策应用[J]. 中国工业经济，2012，（12）.

[20] 王少平，谭本燕.中国核心通货膨胀及其动态调整行为[J]. 世界经济，2009，（11）.

（责任编辑：刘艳）